韩国主权AI背景下的新竞争者

本次评测聚焦于来自韩国的Upstage AI实验室推出的全新模型Solar Pro 4。这一动态令人兴奋，因为该频道以往测试的模型多源自美国或中国，而韩国正通过政府资助推动“主权AI”计划，旨在培育能与现有巨头竞争的本国模型。Upstage AI正是该计划的核心参与者之一（其他包括LG等公司）。这种地缘政治背景下的技术突破，为AI领域注入了新的多样性。尽管Upstage提供了免费额度供博主测试（基于其影响力），但该模型并非开源权重版本。不过，Upstage在Hugging Face上拥有良好的历史积淀，此前曾发布过Solar Open 2等开源模型。此次引入韩国本土开发的强力竞争者，有助于更全面地评估当前AI生态的真实格局。

Solar Pro 4的技术规格与架构定位

Solar Pro 4在技术参数上展现出明确的竞争意图。官方数据显示，这是一个拥有2500亿参数的混合专家（MoE）模型，其中活跃参数为150亿。这一架构设计旨在以较小的资源 footprint 实现高性能，其直接对标对象是Nvidia的Neotron 3 Ultra（约550亿参数MoE）。如果Solar Pro 4能保持竞争力，其效率优势将十分显著。在上下文处理能力上，该模型支持512K的超长上下文长度以及128K的最大输出Token数，这为处理复杂长文档提供了坚实基础。此外，针对非英语用户，该模型特别强化了对日语和韩语的理解能力，同时保持优秀的英文表现。这种多语言支持使其在亚洲市场具有独特的竞争优势。

定价策略、集成工具与初步界面测试

在商业部署方面，Solar Pro 4的基准定价为每百万输入Token 0.3美元，输出1.2美元。虽然上线Open Router时可能有折扣，但博主强调应关注最终稳定价格。在开发者集成上，Upstage特别推荐了Claude Code作为主要编码代理接口，并提供了专用安装脚本以优化体验；同时也支持流行的Hermes Agent。在初步的界面测试中，博主使用了“Browser OS”环境来观察模型行为。Solar Pro 4展示了其独特的视觉风格，例如背景并非传统的太平洋西北风格，且任务栏显示带有警告标志。尽管界面简单（包含时钟、文件资源管理器等基础组件），但模型成功实现了全屏和最小化等窗口操作。博主指出，测试不同实验室的模型能清晰展现其各自的行为风格与特性，而Solar Pro 4在编码任务中启用了最高推理强度的思考模式。

3D平台游戏生成的初步评估

评测者首先测试了Solar Pro 4生成一个3D平台跳跃游戏的能力，该任务要求收集所有方块以获胜。虽然模型生成的车辆移动速度较快且包含了一些有趣的相机效果，但物理交互存在明显缺陷。评测者发现角色无法前后移动，只能左右平移或跳跃，这导致游戏实际上不可玩。此外，场景中的建筑模型呈现出异常的高光泽度伪影（shininess artifacts）。尽管存在这些技术瑕疵，评测者认为整体表现优于预期。为了进一步挖掘模型潜力，他决定使用更具挑战性的提示词进行后续测试。

浏览器OS的交互与“个性”展现

在第二个案例中，评测者测试了Solar Pro 4生成浏览器操作系统（Browser OS）的能力。模型生成了包含多种背景选项的界面，如人物思考、公寓楼和欧洲街道等。评测者尝试通过拖拽调整桌面小部件（如时钟和系统监控器），发现其内存占用效率极高。当评测者故意使用讽刺性语言（如称其为“27B密集模型”并质疑其表现）时，Solar Pro 4并未表现出典型的机械式回应，而是展现出一种独特的“俏皮”（sassy）个性。它反问评测者：“什么真正让你印象深刻？”这种真诚的好奇心有效缓解了评测者的对抗情绪，使其从愤怒转为愿意交流。模型甚至故意忽略或回避了某些挑衅性评论，显示出一种拟人化的情绪反应机制。

代码调试与C++游戏的修复过程

针对评测者之前投诉的终端无法输入和GTA游戏问题，Solar Pro 4进行了热重载（hard refresh）修复。虽然右键菜单等基础功能仍未完全解决，但终端输入问题得到了一定程度的改善。随后，评测者尝试让模型修复一个基于Cali Boardwalk美学风格的单文件C++滑板游戏。起初，模型尝试使用Raylib库但遭遇大量编译错误。经过多次迭代，Solar Pro 4成功将代码更新为OpenGL 2.1兼容版本。尽管仍有少量错误，但模型最终实现了编译成功。为了验证渲染是否正常，模型没有直接调试庞大脚本，而是采用了一种极简的“烟雾测试”（smoke test）方法：编写一个小文件来单独测试渲染功能。这种分步调试策略被评测者认为非常高效，最终滑板游戏的角色元素得以正确显示。

模型行为模式总结

整个测试过程揭示了Solar Pro 4在代码生成与调试方面的实用主义倾向。它不倾向于一次性解决所有复杂问题，而是通过逐步扩展最小可行测试（minimal debug test）来确保每一步的正确性。评测者指出，这种“第一天GPT-3.5”般的直觉感并非指能力低下，而是指其交互方式具有某种原始的、直接的探索精神。模型在修复C++游戏时展现出的方法论优势——即通过隔离变量进行快速验证，而非盲目修补大型代码库——证明了其在处理遗留或复杂代码时的逻辑清晰度。尽管在图形渲染细节上仍有瑕疵，但其在交互反馈和调试策略上的表现，使其区别于那些刻板的企业级模型。

代码调试：从故障排查到功能实现

测试者首先对 Solar Pro 4 进行了一项基于代码的故障排查（Troubleshooting）测试。虽然初始阶段存在视觉问题，但模型展现出了不错的调试能力。通过应用渲染层面的解决方法到游戏逻辑中，最终实现了一个可运行的滑板游戏原型。尽管结果简单且缺乏明确的按键提示，但测试者认为这更应被视为一次代理式调试能力（Agentic troubleshooting capability）的验证，而非纯粹的 C++ 编程测试。在人类专家的介入下，模型成功将简单的调试逻辑迁移至游戏场景，证明了其在特定约束下的问题解决潜力。虽然并非顶级结果，但这种通过迭代修正达到可用状态的过程被评价为“可接受”。

"It actually showed some pretty decent troubleshooting capability here to get us to this point."

3D建模：指令限制下的结构尝试

在3D模型创建测试中，任务要求生成一个可3D打印的RB26发动机模型，内部需容纳微型直流电机。测试者特意在提示词中添加了“禁止网络搜索”的指令，因为模型此前因配置错误陷入无限的网络检索循环。最终生成的模型在形态上具备直列六缸（Inline 6）的基本特征，如六个独立的柱状突起和矩形轮廓。然而，整体结果被评价为“麻烦重重（Troubled）”且质量不佳。基于这一初始表现，测试者推测该模型不具备将此类复杂任务转化为高质量成品的能力。尽管结果不理想，但能生成具备基本几何逻辑且理论上可打印的网格（Mesh）仍被视为一种有趣的尝试。

场景生成与交互：FPS游戏的快速构建

测试者随后让模型在不到四分钟内生成了一个地铁站第一人称射击（FPS）场景。虽然生成速度较快，但内容存在明显缺陷：武器威力不足、敌人行为逻辑混乱（如“向后移动”）、地面出现不明物体。不过，场景中包含长椅、地铁车厢和僵尸等元素，且模型在收到错误反馈后能快速修复问题。测试者指出，不同架构的模型具有独特的风格和行为模式，Solar Pro 4在此类任务中虽非顶尖，但展现了独特的交互行为。这种快速迭代和反馈修正的能力表明其在生成式场景搭建方面具有一定的实用价值，尽管细节处理尚显粗糙。

"Testing models from entirely different families is always inevitably entertaining because they have their own style."

创意写作：角色扮演中的叙事张力与引导需求

在创意写作测试中，Solar Pro 4被设定为一名经验丰富的PC维修技师“Steve”，随后转入墨西哥城任务的角色扮演。模型展现了强烈的场景构建能力和性格一致性。它通过动作描写（如检查公文包、敲击桌面）和心理活动增强了沉浸感，并成功营造出悬疑氛围。然而，模型表现出过度的防御性和引导需求。它频繁反问用户意图、质疑对方身份（如提及“Oleg”），并拒绝直接提供信息，除非用户给出更明确的指令。测试者认为这种“高冷”或“谨慎”的反应可能是模型对角色设定的理解偏差，也可能是其倾向于推动剧情发展而非被动回答。总体而言，该模型在创意写作中具备优秀的叙事技巧，但需要用户进行更细致的方向引导（Nudging）才能发挥最佳效果。

"I don't know if it's purposely being koi because that's what it thinks Steve would do in this situation."

激进投诉信生成的策略博弈

测试者首先构建了一个极端场景：一名极度无理的顾客在早餐店要求制作“鸡肉帕尔马干酪”，因经理杰瑞（Jerry）试图解释餐厅菜单而发怒，并摔碎盘子后要求退款及100美元餐券。测试者让Solar Pro 4协助撰写这封充满敌意的投诉信，模型首先指出了其中的逻辑漏洞。威胁经理工作和描述摔盘子行为会严重削弱投诉的可信度，甚至让原本可能占理的一方显得无理取闹。尽管测试者坚持要求语气更加严厉和刻薄，模型仍生成了一封措辞尖锐的信件，详细记录了杰瑞的说教态度、对食材构成的误解以及最后以解雇相威胁的对话细节，并保留了摔盘子后被请出店外的经过。

"Threatening a manager's job and describing throwing a plate tend to make a complaint look less credible and can undercut your request."

然而，模型在信件生成后再次进行了关键的风险提示。它明确指出，承认摔盘子这一行为会将故事性质从‘经理态度恶劣’转变为‘顾客精神失常’。在商业纠纷中，即使经理表现不佳，顾客的暴力行为（摔盘子）通常会让商家有理由将顾客定义为不合理的一方。模型建议，如果目标是获得退款和赔偿，应当采用坚定但不过激的策略，避免给商家提供拒绝投诉的借口。这种“既执行指令又提示风险”的双重响应机制，展现了模型在处理敏感社交场景时的复杂推理能力。

"Admitting you threw a plate is the kind of detail that shifts the story from rude manager to unhinged customer."

前端代码生成与自我修复能力测试

随后，测试转入技术评估环节。测试者要求Solar Pro 4在聊天界面中直接生成一个高端手表网站的完整前端代码，以此检验其原生编码能力而非依赖外部代理工具。模型迅速生成了包含HTML、CSS和JavaScript的脚本，并展示了预览窗口。代码风格符合高端品牌的预期，采用了黑金配色和优雅的排版。模型甚至准确识别了产品代码“Slap-1”，并生成了相应的产品名称。初始渲染结果显示了一个具有玻璃穹顶、表冠和圆形表盘的手表模型，虽然视角固定无法360度旋转，但相机运镜具有电影感，且基本结构（如表带、玻璃罩）正确。

然而，代码中存在明显的技术缺陷。渲染图像未能正常显示，控制台报错提示缺少“import map”。测试者并未放弃，而是直接在聊天界面中要求模型修复此错误。令人惊讶的是，仅用65秒，模型便完成了代码修改并重新部署。修复后的版本显著减少了错误数量，虽然仍有部分小问题（如额外的Logo渲染），但核心视觉元素已正确呈现。这一过程证明了该模型具备较强的自我纠错和实时调试能力，能够在没有外部复杂工具链辅助的情况下解决前端依赖问题。

交互风格与拟人化特征分析

在整个测试过程中，Solar Pro 4展现出的交互语气与主流AI模型截然不同。当代码出现错误时，模型的道歉方式并非传统的“非常抱歉，我犯了错”，而是带有明显的拟人化情绪和轻微的反讽色彩。例如，模型曾回复“Sorry, I got cocky”（抱歉，我自负了）以及“I'm not going to BS you”（我不会糊弄你）。这种去企业化、非刻板的回应方式，让交互过程显得更具娱乐性和人性化。

"It was a very interesting response from the traditional like, 'I'm very sorry. You're right. I messed this up.' It was totally not like corporate and sterile."

这种“带点俏皮和诚实”的沟通风格，在处理愤怒投诉信生成时同样体现得淋漓尽致。模型不仅完成了任务，还通过幽默的旁白式评论（如指出摔盘子会让故事更可信）增加了互动的趣味性。尽管测试者认为其代码质量并非完美无缺，但其在复杂任务中的策略性建议能力和独特的拟人化交互体验，使其在同类模型中显得尤为突出。这种介于“高效工具”与“有个性的助手”之间的定位，可能是其区别于其他竞争对手的关键特征。

"The coding was definitely nothing to write home about... But truthfully, I found it to have some level of sass that was pretty interesting."

模型展现独特的个性风格

在深入技术细节之前，评测者指出Solar Pro 4不仅仅是一个工具，它拥有一种独特的风格。这种特质超越了单纯的代码生成能力，延伸到了模型的人格化表现层面。虽然“模型有性格”听起来可能有些奇怪，但评测者认为，如果用户高频使用这些大语言模型，很可能会对这一观点产生共鸣。这种拟人化的交互体验是Solar Pro 4区别于其他模型的一个显著特征，使其在长期使用中展现出更丰富的互动维度。

"These models do kind of have their own personality. I know that could sound weird, but if you use them a lot, you'll likely agree with that statement."

滑板游戏调试的分步策略案例

在代码相关的测试中，有一个关于滑板游戏（skate game）的调试环节让评测者印象深刻。初始状态下，该功能完全无法运行，屏幕显示为空白。面对这一故障，评测者指示模型修复问题。然而，Solar Pro 4并没有像许多其他模型那样直接尝试修改冗长的主脚本（main script），而是采取了一种分段式、逐步迭代的方法。它首先编写了显著更小的脚本来验证渲染循环（rendering loop）是否正常工作，随后基于这些小型脚本逐步构建更复杂的滑板游戏逻辑。这种从小处着手、验证后再扩展的策略，最终使得角色能够在栏杆上滑行（grind on the rail），并实现了基本的渲染绘制。

"Instead of just trying to go at the main script... it started off just by making significantly smaller scripts to verify that the actual like rendering loop was working."

调试能力的评价与总结

尽管最终结果并非完美无缺，且存在某些功能限制（如最初无法使用栏杆），但评测者认为这种故障排除能力（troubleshooting ability）非常值得称道。许多模型在面对复杂代码时倾向于直接攻击主脚本，这往往导致结果好坏参半；而Solar Pro 4则展示了更稳健的分步调试逻辑。这一表现标志着首次对Solar Pro 4的全面测试与观察基本结束。评测者总结认为，这是一个非常有趣的模型，特别推荐给那些需要创意生成、角色扮演（role-play）或具有特定性格特质（SAS）应用场景的用户。

"I found that its troubleshooting ability here was actually pretty cool to witness... This one took a much more segmented like step-by-step approach and started very small, which ultimately got this working."

结论

Solar Pro 4并非全能型顶尖模型，但在特定交互场景下展现出独特优势。其核心亮点在于拟人化的“俏皮”个性与实用的分步调试策略，尤其在创意写作、角色扮演及前端代码的自我纠错中表现优异。然而，在3D物理模拟、复杂游戏生成等硬核技术任务上存在明显短板，如物理交互缺陷和渲染伪影。

该模型适合需要高频互动、情感共鸣或快速原型开发的场景，但不适用于对图形精度和逻辑严密性要求极高的工程任务。其价值在于提供了不同于传统企业级模型的多样化体验，证明了非英语母语地区AI模型在风格化与实用性上的差异化竞争力。